隨機(jī)近鄰嵌入分析方法及其在水電機(jī)組故障診斷中的應(yīng)用.pdf

1、水電機(jī)組作為小水電生產(chǎn)過程中的核心設(shè)備，它的運(yùn)行狀況不僅關(guān)系到水電廠的安全還直接關(guān)系到水電廠能否向電網(wǎng)安全、經(jīng)濟(jì)地提供可靠電力。由于水電機(jī)組具有構(gòu)造復(fù)雜，機(jī)組運(yùn)行呈季節(jié)性，異常振動(dòng)誘發(fā)因素多等特點(diǎn)，日益影響著電網(wǎng)的安全穩(wěn)定運(yùn)行。因此，對水電機(jī)組進(jìn)行運(yùn)行狀態(tài)監(jiān)測和故障診斷，確保水電機(jī)組安全、可靠、穩(wěn)定運(yùn)行，使其發(fā)揮最大的發(fā)電效益，具有十分重要的意義。
　　傳統(tǒng)的故障診斷方法主要基于專業(yè)技術(shù)人員的經(jīng)驗(yàn)和知識(shí)來推理診斷。這種過分依賴于個(gè)

2、人經(jīng)驗(yàn)和知識(shí)的方法目前仍在水電機(jī)組故障診斷中占主導(dǎo)地位，其弊端是顯而易見的。因此，必須提高設(shè)備故障診斷的自動(dòng)化和智能化程度，實(shí)現(xiàn)對設(shè)備的高效、可靠的智能診斷。
　　本文分析了隨機(jī)近鄰嵌入分析系列方法的特點(diǎn)，并將其應(yīng)用在水電機(jī)組故障診斷中。具體工作包含以下4個(gè)方面:
　　(1)針對隨機(jī)近鄰嵌入分析系列方法的非線性本質(zhì)和無監(jiān)督學(xué)習(xí)特征等問題，提出了一種線性有監(jiān)督的特征提取方法，稱為判別隨機(jī)近鄰嵌入分析方法。該方法的優(yōu)勢主要包括:

3、通過輸入樣本的類別信息構(gòu)建數(shù)據(jù)分布的聯(lián)合概率表達(dá)式，用于反映同類和異類數(shù)據(jù)間的相似度，使得方法具有監(jiān)督性;引入線性投影矩陣生成子空間數(shù)據(jù)，使得方法呈現(xiàn)線性本質(zhì)。對比實(shí)驗(yàn)表明，所提方法不僅具有較好的可視化能力，而且能夠有效地對不同類別的數(shù)據(jù)進(jìn)行降維分簇，提升后續(xù)模式分類器的鑒別效果。
　　(2)針對判別隨機(jī)近鄰嵌入分析方法計(jì)算量復(fù)雜且不適合多樣本數(shù)據(jù)等問題，提出了一種快速判別隨機(jī)近鄰嵌入分析方法。該方法通過引入K最近鄰分類算法的思想

4、，減少樣本量來計(jì)算樣本相似度，其在保證識(shí)別率的前提下減少了算法的運(yùn)行時(shí)間。
　　(3)提出核判別隨機(jī)近鄰嵌入分析方法。該方法在判別隨機(jī)近鄰嵌入分析方法的基礎(chǔ)上，通過引入核函數(shù)將原空間中的樣本映射到高維核空間中，構(gòu)建了用于反映同類和異類數(shù)據(jù)間相似度的聯(lián)合概率表達(dá)式。其突出了異類樣本間的特征差異，使樣本變得線性可分，從而提高了分類性能。
　　(4)將所提的核判別隨機(jī)近鄰嵌入分析方法應(yīng)用在軸心軌跡特征提取上，以達(dá)到對水電機(jī)組進(jìn)行故